SISTEM PENDUKUNG KEPUTUSAN UNTUK KREDIT PEMILIKAN RUMAH BANK UOB MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTHING

Transkripsi

1 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe SISTEM PENDUKUNG KEPUTUSAN UNTUK KREDIT PEMILIKAN RUMAH BANK UOB MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTHING Budi Fachizal ), Indah Fiti Astuti 2), Dyna Maisa Khaiina 3), ) Mahasiswa Pogam Studi Ilmu Kompute FMIPA Univesitas Mulawaman 2,3) Dosen Pogam Studi Ilmu Kompute FMIPA Univesitas Mulawaman budy.fachizal@gmail.com ), indahfitiastuti@yahoo.com 2), dyna.ilkom@gmail.com 3) ABSTRAK Peumahan meupakan salah satu bidang bisnis yang cukup bekembang saat ini teutama di daeahdaeah yang petumbuhan ekonomi masyaakatnya cukup baik. Selain memelukan sandang dan pangan, manusia juga memelukan peumahan sebagai kebutuhan dasa. Kedit Pemilikan Rumah (KPR) meupakan salah satu bidang bisnis yang cukup bekembang saat ini, banyak sekali poduk KPR yang ditawakan oleh bank negei maupun bank swasta, salah satu teknologi yang dapat dadikan alat bantu untuk mengatasi masalah ini adalah Sistem Pendukung Keputusan (SPK), selain dapat membeikan infomasi juga dapat membantu menyediakan bebagai altenatif yang dapat ditempuh dalam poses pengambilan keputusan. Aplikasi dibuat dengan mengadaptasi salah satu cabang ilmu kompute, yaitu sistem pendukung keputusan. Metode yang diteapkan adalah Metode Simple Additive Weighting (SAW). Pengguna sistem memasukkan bebeapa paamete yaitu usia, pendidikan, pekejaan, status penikahan penghasilan pebulan, jumlah tanggungan, dan penghasilan besih. Kemudian sistem akan memposes sehingga pengguna akan mendapatkan keluaan sistem beupa calon nasabah yang mendapatkan nilai tebaik seta mengetahui jumlah pinjaman yang dapat dibeikan. Penelitian ini telah menghasilkan suatu sistem penunjang keputusan yang dihaapkan dapat membantu staf pihak bank untuk memilih calon nasabah KPR yang tepat. Selain itu juga ditujukan kepada oang awam sebagai infomasi. Kata kunci : Sistem Pendukung Keputusan, SAW, Kedit Pemilikan Rumah.. LATAR BELAKANG Peumahan meupakan salah satu bidang bisnis yang cukup bekembang saat ini teutama di daeah-daeah yang petumbuhan ekonomi masyaakatnya cukup baik. Selain memelukan sandang dan pangan, manusia juga memelukan peumahan sebagai kebutuhan dasa. Manusia membangun sendii umah pada zaman dahulu, tetapi seiing kemajuan ekonomi dengan kesibukannya, oang membeli umah yang dibangun pihak lain misalnya peoangan atau peusahaan pengembang. Pemasalahanya adalah, kebanyakan konsumen, bahkan di negaa maju sekalipun, tidak mampu membeli umah secaa tunai. Hanya sebagian dai haga umah itu yang mampu meeka baya lunas. Selebihnya pelu bantuan lembaga keuangan untuk membiayainya. Selanjutnya konsumen mencicil dana pinjaman itu ke bank selama jangka waktu tetentu. Kedit pemilikan umah petama kali diluncukan tahun 96. Hampi sepuluh tahun pebankan yang menyalukan hanya Bank Tabungan Negaa (BTN), bau kemudian di petengahan an Bank Papan Sejahtea ikut menyediakan fasilitas KPR (Syaifah, 20). Menuut suvei popeti esidensial Bank Indonesia (BI) 2008, sebanyak 4, pesen konsumen membeli umah dengan fasilitas KPR. 8, pesen yang mampu membeli secaa tunai betahap, dan,3 pesen secaa tunai keas. Suvei dilakukan tehadap sejumlah pengembang di 4 kota Indonesia. United Oveseas Bank (UOB) adalah salah satu bank yang mempunyai poduk kedit peumahan, yang sudah cukup banyak bekeja sama dengan pengembang dalam angka memenuhi kebutuhan peumahan masyaakat di Indonesia. Salah satu poduk Bank UOB yang akan di bahasa dalam penelitian ini yaitu UOB KPR angsuan bejenjang. Dalam hal ini pihak pengembang yang meupakan mita dai Bank haus mampu membangun peumahan sesuai dengan tipe-tipe yang sesuai dengan kebutuhan masyaakat seta tejangkau oleh ekonomi masyaakat. Bank sebagai pihak pengelola kedit juga haus mampu membeikan pelayanan yang baik kepada calon calon debitu yang potensial.

2 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe Sistem pedukung keputusan ini meneapkan metode Saw yang digunakan sebagai suatu caa untuk memetakan pemasalahan dai input menuju ke output yang dihaapkan. Sistem pendukung keputusan yang akan dibangun pada Bank UOB ini meupakan suatu pogam aplikasi kompute yang dihaapkan befungsi untuk membantu poses pengambilan keputusan diteima atau ditolak sebuah pemohonan fasilitas kedit dengan menggunakan metode SAW. Metode SAW ini secaa sistem membantu ketelitian dan ketepatan dalam pengambilan keputusan. Metode Simple Additive Weighting (SAW) telah digunakan dalam penelitian (Wibowo, 20), yang menghasilkan hasil akhi pehitungan menggunakan metode SAW menunjukkan bahwa nilai pefeensi tebesa sebagai Altenatif tebaik dalam penentuan lokasi gedung bau. Metode SAW juga telah digunakan dalam penelitian (Gedon, 20), dengan hasil akhi penelitian sistem dapat menyeleksi data pemohon sesuai ketentuan dengan melakukan pehitungan bedasakan metode SAW (Simple Additive Weighting) pada FMADM (Fuzzy Multiple Attibute Decission Making), sehingga dapat menentukan mahasiswa yang behak dan tepilih sebagai peneima beasiswa. Bedasakan bebeapa efeensi tesebut penulis temotivasi untuk mengambil metode Simple Additive Weighting (SAW) sebagai metode penyelesaian skipsi sistem pendukung keputusan ini pembuatan aplikasi sistem penunjang keputusan ini dihaapkan mampu mengatasi pemasalah di bank dalam pemasalahan kedit khususnya dalam mengakses unsu kecepatan, kemudahan dan keamanan dalam penyaluan fasilitas kedit kepada calon debitu. LANDASAN TEORI Sistem Pendukung Keputusan (SPK) Definisi awal Sistem Pendukung Keputusan (Decision Suppot System/DSS) adalah suatu sistem yang ditujukan untuk mendukung manajemen pengambilan keputusan. Sistem bebasis model yang tedii dai posedu posedu dalam pemosesan data dan petimbangannya untuk membantu manaje dalam mengambil keputusan (Subakti, 2002). DSS meupakan sistem infomasi inteaktif yang menyediakan infomasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk pengambilan keputusan dalam situasi yang semitestuktu dan situasi yang tidak testuktu, dimana tak seoang pun tahu secaa pasti bagaimana keputusan sehausnya dibuat (Kusini, 200). Sistem pendukung keputusan meupakan suatu pendekatan untuk mendukung pengambilan keputusan. Sistem pendukung keputusan menggunakan data, membeikan antamuka pengguna yang mudah, dan dapat menggabungkan pemikian pengambil keputusan (Tuban, 200). MADM (Multi-Atibut Decision Making) Pada dasanya, poses MADM dilakukan melalui 3 tahap, yaitu penyusunan komponenkomponen situasi, analisis, dan sintesis infomasi. Pada tahap penyusunan komponen-komponen situasi, akan dibentuk tabel taksian yang beisi identifikasi altenative dan spesifikasi tujuan, kiteia dan tibute. Salah satu caa untuk mengspesifikasikan tujuan situasi O i,i=,,t adalah dengan caa mendafta konsekuensikonsekuensi yang mungkin dai altenatif yang telah teidentifikasi A i, i=,,n. Selain itu juga disusun atibut-atibut yang akan digunakan a k, k=, m. Tahap analisis dilakukan melalui 2 langkah. Petama, mendatangkan taksian dai besaan yang potensial, kemungkinan, dan ketidakpastian yang behubungan dengan dampak-dampak yang mungkin pada setiap altenatif. Kedua, meliputi pemilihan dan pefeensi pengambil keputusan untuk setiap nilai, dan ketidakpedulian tehadap esiko yang timbul. Pada langkah petama, bebeapa metode menggunakan fungsi distibusi p j (x) yang menyatakan pobabilitas kumpulan atibut a k tehadap setiap altenatif A i. Konsekuen juga dapat ditentukan secaa langsung dai agegasi sedehana yang dilakukan pada infomasi tebaik yang tesedia. Demikian pula, ada bebeapa caa untuk menentukan pefeensi pengambil keputusan pada setiap konsekuen yang dapat dilakukan pada langkah kedua. Metode yang paling sedehana adalah untuk menuunkan bobot atibut dan kiteia adalah dengan fungsi utilitas atau penjumlahan tebobot. Secaa umum, model multi-attibute decision making dapat didefinisikan : Misalkan A = {a i i =, n) adalah himpunan altenatif-altenatif keputusan dan C = {c j j =,..., m} adalah himpunan tujuan yang dihaapkan, maka akan ditentukan altenatif x yang memiliki deajat haapan tetinggi tehadap tujuan-tujuan yang elevan c j. Sebagian besa pendekatan MADM dilakukan melalui 2 langkah yaitu: petama, melakukan agegasi tehadap keputusan-keputusan yang tanggap tehadap semua tujuan pada setiap altenatif; kedua, melakukan peankingan altenatifaltenatif keputusan tesebut bedasakan hasil agegasi keputusan.

3 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe n n X..() m m2 mn Dengan demikian, bisa dikatakan bahwa, masalah multi-attibute decision making (MADM) adalah mengevaluasi m altenatif A i (i=,2,,m) tehadap sekumpulan atibut atau kiteia C j (j=,2,...,n), dimana setiap atibut saling tidak begantung satu dengan yang lainnya. Matiks keputusan setiap altenatif tehadap setiap atibut, X i dibeikan sebagai: dimana x meupakan ating kineja altenatyif ke-i tehadap atibut ke-j. Nilai bobot yang menunjukkan tingkat kepentingan elatif setiap atibut dibeikan sebagai, W : W = {W,W2,,Wn} Rating kineja (X), dan nilai bobot (W) meupakan nilai utama yang mempesentasikan pefeensi absolut dai pengambilan keputusan. Masalah MADM diakhii dengan poses peankingan untuk mendapatkan altenatif tebaik yang dipeoleh bedasakan nilai keseluuhan pefeensi yang dibeikan. Ada bebeapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antaa lain (Kusumadewi, 2006):. Simple Additive Weighting Method (SAW) 2. Weighted Poduct (WP) 3. Elimination Et Choix Taduisant la Realite (ELECTRE) 4. Technique fo Ode Pefeence by Similaity to Ideal Solution (TOPSIS). Analytic Hieachy Pocess (AHP) Metode SAW (Simple Additive Weighting Method) Metode SAW (Simple Additive Weighting Method) seing juga dikenal istilah metode penjumlahan tebobot. Konsep dasa metode SAW adalah mencai penjumlahan tebobot dai ating kineja pada setiap altenatif pada semua atibut. Metode SAW membutuhkan poses nomalisasi matiks keputusan (X) ke suatu skala yang dapat dipebandingkan dengan semua ating altenatif yang ada. Metode SAW haus memiliki bebeapa Altenatif (A), Kiteia (C), dan Beat (Weight/W) yang mempunyai bobot ketentuan.. Altenatif = Ai 2. Ai = {A,A2,A3,, An} Metode SAW memiliki nilai Rating kecocokan setiap altenatif pada setiap kiteia yang bisa ditentukan sepeti pada Tabel. Tabel. Nilai Rating Kecocokan Nilai Rating Pedikat Nilai Sangat Buuk Nilai2 Buuk Nilai3 Cukup Nilai4 Baik Nilai Sangat Baik. Kiteia = Cj 2. Cj = {C,C2,C3,, Cn} Metode SAW juga membe nilai untuk tingkat kepentingan setiap kiteia sepeti pada Tabel 2. Tabel 2. Nilai Tingkat Kepentingan Nilai Rating Pedikat Nilai Sangat Rendah Nilai2 Rendah Nilai3 Sedang Nilai4 Tinggi Nilai Sangat Tinggi Setelah nilai dibeikan pada setiap altenatif di setiap kiteia, maka akan dibuat tabel ating kecocokan dai setiap altenatif pada setiap kiteia sepeti pada Tabel 3. Tabel 3. Rating Kecocokan Altenatif Kiteia C C 2 Cn A A2 An (Sumbe : Kusumadewi, 200) Langkah langkah Metode SAW. Pengambilan keputusan membeikan bobot pefeensi yang akan diposes dalam peankingan dengan matiks yang telah tenomalisasi X 2 m m2 mn W = {W,W2,,Wn} 2. Matiks dibentuk dai tabel kecocokan Altenatif (A) dan Kiteia (C) : 2 22 n 2n 3. Setelah mendapatkan nilai matiks X, maka dilakukan nomalisasi matiks bedasakan pesamaan beikut :..(2)

4 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe 203 x Maxx i Minx i x Jika j adalah atibut keuntungan (benefit) Jika j adalah atibut biaya (cost) Keteangan : = nilai ating kineja tenomalisasi x = nilai atibut yang dimiliki dai setiap kiteia...(3) Activity Diagam Dalam sistem ini activity diagam dipisah menjadi dua, yaitu activity diagam admin dan activity diagam use. Maxx = nilai tebesa dai setiap kiteia i Minx = nilai tekecil dai setiap kiteia i Dimana adalah ating kineja tenomalisasi dai altenatif Ai pada atibut Cj; i=,2,...,m dan j=,2,...,n. 4. Setelah dipeoleh matiks tenomalisasi (R), maka dibuat poses peankingan dengan nilai pefeensi untuk setiap altenatif (Vi) dibeikan sebagai beikut: n Keteangan : V i W j Vi j wj = anking untuk setiap altenative = nilai bobot dai setiap kiteia = nilai ating kineja Tenomalisasi Nilai Vi yang paling besa mengindikasikan bahwa altenatif Ai lebih tepilih sebagai altenatif tebaik, sehingga altenatif (Ai) yang memiliki nilai Vi tebesa yang tepilih. Pengetian UOB KPR PT. United Oveseas Bank Indonesia Tbk adalah meupakan poduk pembiayaan yang dibeikan kepada pembeli umah dengan skema pembiayaan antaa 80 sampai maksimal 90% dai haga umah. Secaa umum untuk pesyaatan dan ketentuan yang dipelakukan oleh bank untuk nasabah yang akan mengajukan poses KPR. HASIL DAN PEMBAHASAN..(4) Gamba. Activity Diagam Admin Activity Diagam Admin Activity diagam menggambakan poses yang bejalan dan bagaimana masing-masing ali beawal, decision yang mungkin tejadi, dan bagaimana meeka beakhi. Gamba menjelaskan detail aktivitas yang dilakukan oleh admin. Awalnya admin login, lalu admin bisa mempebahaui data sepeti mengedit data, menambah data dan menghapus data, lalu menginputkan poin kelayakan,menginputkan kiteia, lalu menginputkan data setiap nasabah dan nilai fakto tiap kiteia, menelusui fakto-fakto melalui poses penelusuan, lalu admin melakukan pengujian sistem, kemudian menampilkan poses akhi hasil keputusan beseta infomasinya. Admin juga bisa memanfaatkan fasilitas pemilihan keputusan yang ada pada sistem.

5 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe Rating kecocokan dai setiap altenatif pada setiap kiteia, dinilai dai sampai, yaitu :. Sangat Buuk (SB) = 2. Buuk (Bu) = Cukup (C) = 4. Baik(B) =.. Sangat Baik (SB) = Sedangkan tingkat kepentingan setiap kiteia, dinilai dai sampai, yaitu :. Sangat Rendah (SR) = 2. Rendah (R) = 2 3. Sedang (S) = 3 4. Tinggi (T) = 4. Sangat Tinggi (ST) = Gamba 2. Activity Diagam Use Activity Diagam Use Gamba 2 menjelaskan detail aktivitas yang dilakukan oleh use. use tidak pelu melakukan poses login untuk menggunakan menu yang ada pada sistem ini. Setelah use masuk, use dapat mengetahui tentang KPR beseta infomasinya. Selain itu, use juga mendapatkan pengetahuan tentang jumlah pinjaman KPR UOB beseta simulasi pembiayaan melalui kalkulato KPR. Peancangan Asitektu Sistem Sistematika pemecahan masalah pada pengembangan sistem ini dimulai dai ide dasa pekembangan pengambilan keputusan. Analisis ini kemudian dikaitkan dengan pemasalahan paa pengambil keputusan bedasakan tinjauan bebeapa elemen-elemen keputusan dengan mengoptimalkan sumbe daya yang tesedia melalui pendekatan suatu model pengambilan keputusan. Sebelum melakukan ancang bangun tehadap sistem pendukung keputusan, ada bebeapa tahapan yang pelu dilalui, dengan melakukan tahapan-tahapan untuk mencapai hasil yang telah ditetapkan dalam sistem pendukung keputusan akan menghasilkan sistem sepeti yang dihaapkan. Kiteia dan Pembobotan Sepeti yang telah delaskan pada bab pendahuluan, penilaian dilakukan dengan melihat nilai-nilai tehadap indikato sepeti yang sudah disebutkan pada bab tinjauan pustaka. Selanjutnya masing-masing indikato tesebut dianggap sebagai kiteia yang akan dadikan sebagai fakto untuk menentukan calon nasabah bedasakan kiteianya adalah Sangat Rendah, Rendah, Sedang, Tinggi, Sangat Tinggi. Himpunan ini kemudian dipelakukan sebagai input kedalam sistem MADM yaitu metode SAW (Simple Additive Weighting). Kebutuhan Input Sistem yang akan dibangun membutuhkan bebeapa data input, antaa lain :. Data awal, digunakan untuk menentukan jumlah altenatif dan atibut. 2. Data altenatif, digunakan untuk menentukan nilai setiap altenatif. 3. Data atibut (kiteia), digunakan untuk menentukan nilai setiap atibut. 4. Data matiks keputusan, digunakan untuk mengetahui hubungan antaa altenatif yang dipilih dengan kiteia yang ada.. Data matiks bobot, digunakan kaena ketekaitan antaa nilai bobot yang ada denganyang la innya. 6. Data nilai atibut, digunakan untuk mengetahui ating kecocokan setiap altenatif pada setiap atibut.. Data nilai bobot, digunakan untuk mengetahui tingkat kepentingan setiap kiteia. Kebutuhan Poses Bebeapa poses dibutuhkan untuk mengolah data input menjadi output beupa infomasi yang dihaapkan. Bebeapa poses tesebut antaa lain:. Poses input data matiks keputusan dan matiks vekto bobot 2. Poses pengujian sensitivitas untuk mencai metode SAW. 3. Poses pehitungan untuk mencai Altenatif tebaik menggunakan metode SAW bedasakan hasil pengujian sensitivitas. Kebutuhan Output Output yang dihaapkan dai peangkat lunak ini antaa lain :. Infomasi hasil dai poses SPK 2. Nilai pefeensi keputusan setiap altenatif yang menunjukkan altenatif tebaik 3. Infomasi hasil pehitungan metode SAW

6 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe 203 Kebutuhan Antamuka Sistem yang akan dibangun bebasis web sehingga model antamuka yang digunakan yaitu model pengisian fomuli. Model pengisian fomuli betujuan untuk mengisi data-data yang dibutuhkan melalui fom yang sudah disediakan. Model ini dipilih dengan alasan bahwa : a. Model ini elatif mudah digunakan dan sudah familia dengan paa pengguna. b. Model pengisian fomuli digunakan, kaena sistem yang dibangun tedii dai bebeapa poses yang membutuhkan input data dai pengguna. Implementasi Pogam Halaman Menu Utama nama kiteia bau sebagai contoh, dengan kiteia nama NPWP kemudian membeikan bobot kiteia dengan nilai bobot 3, lalu mengklik tombol sepeti Gamba. Gamba. Menu Tambah Kiteia Secaa otomatis akan kembali ke menu kiteia dengan keteangan Kiteia behasil disimpan, penambahan kiteia bau yaitu NPWP teletak dibagian bawah, sepeti Gamba 6. Gamba 3. Tampilan Menu Utama Pada Gamba 3 meupakan tampilan awal sistem. Untuk dapat menjalankan aplikasi, seoang use hanya pelu memilih menu-menu yang sudah disediakan. Dan use tidak pelu mendafta, menu yang bisa digunakan hanya menu Home, Pesyaatan KPR, dan menu Kalkulato KPR. Gamba 6. Menu Kiteia Behasil disimpan Menu Fom Point Kelayakan Selanjutnya, setelah Admin membeikan poin kelayakan untuk menentukan beapa jumlah pinjaman yang dapat dibeikan pada calon nasabah bedasakan nilai akhi dai spk dengan caa mengklik tombol tambah, sepeti Gamba. Menu Fom Kiteia Setelah Admin melakukan login, Admin dibeitahukan untuk mengklik menu Kiteia untuk menjalankan sistem, sepeti Gamba 4 Gamba. Tampilan Menu Poin Kelayakan Gamba 4. Menu Kiteia Bila Admin ingin menambahkan kiteia bau dengan mengklik tombol tambah untuk menambahkan kiteia bau, setelah itu memasukan Setelah membeikan Poin Kelayakan, selanjutnya admin dapat melakukan poses pendukung keputusan dengan mengklik menu SPK sepeti Gamba 8.

7 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe Hasil Akhi dai Sistem Pendukung keputusan KPR UOB dihasilkan bebeapa altenatif yang layak dan tidak layak untuk mendapatkan pinjaman kedit, untuk altenatif yang tidak memenuhi kiteia mendapatkan keteangan tidak layak, selanjutnya untuk altenatif yang memenuhi kiteia layak mendapakan pinjaman, dan untuk besa pinjaman ditentukan dai pehitungan poin kelayakan. Gamba 8. Tampilan Menu Pehitungan Bau SPK Menu Fom Jumlah Altenatif Selanjutnya Admin dapat melakukan aplikasi SPK dengan mengklik tombol pehitungan akan tampil beapa banyak jumlah altenatif yang akan dimasukan, sepeti Gamba 9. Pehitungan dan Implementasi Sistem Kaena setiap nilai yang dibeikan pada setiap altenatif di setiap kiteia meupakan nilai kecocokan (nilai tebesa adalah nilai tebaik), maka semua kiteia yang dibeikan diasumsikan sebagai kiteia keuntungan. Pengambilan keputusan membeikan bobot pefeensi nilai kepentingan sebagai : W = (3,4,,,3,4,3) Pehitungan untuk mencai nilai akhi dai lima pemilihan altenatif sesuai dengan hasil dai pemasalahan gamba 4. Gamba 9. Menu Jumlah Altenatif Setelah itu masuk ke menu Input Altenatif untuk membeikan masing-masing altenatif, kemudian mengklik tombol, sepeti Gamba. Gamba. Menu Input Altenatif Teakhi, setelah Admin menginput kiteia sesuai dengan data-data yang dipeoleh dai bebeapa altenatif, setelah selesai membeikan input kiteia, maka selanjutnya masuk kedalam poses pehitungan spk dengan caa mengklik selanjutnya tombol, sepeti Gamba. Gamba. Hasil Pehitungan SPK. C = Usia 2. C 2 = Pendidikan 3. C 3 = Pekejaan 4. C 4 = Status Penikahan. C = Penghasilan Pebulan 6. C 6 = Jumlah Tanggungan. C = Penghasilan Besih Tabel 4. Rating Kecocokan Altenatif Kiteia C C 2 C 3 C 4 C C 6 C f 2 f2 6 f f4 4 6 f Maka pengambilan keputusan membeikan bobot pefeensi nilai kepentingan sebagai : W = (3,4,,,3,4,3) Matiks keputusan dibentuk dai tabel kecocokan bedasakan pesamaan 2 : X Petama-tama, dilakukan nomalisasi matiks X bedasakan pesamaan 3, beikut sebagian pehitunganya :

8 Junal Infomatika Mulawaman Vol. 8 No. 3 Septembe max;;;; 0, max;;;; 0, max;;;; max;;;; 0, max;;;; max;;9;4;6 9 0, max;;9;4;6 9 0,8 9 9 max ;;9;4; Nomalisasi Matik Maka dipeoleh matiks tenomalisasi R: 0, 0, 0, 0, 0, 0,2 0, 0, 0,8 0, 0,6 0, R 0, 0,2 0, 0, 0,44 0, 0,8 0,6 0,6 0, 0,44 0, 0,8 0, Poses peankingan dipeoleh bedasakan pesamaan 4 : f(v ) = (0,)(3) + (0,)(4) + (0,)() + (0,)() + (0,)(3) + (0,2)(4) + (0,)(3) =,44 f2 (V 2 ) = (0,)(3) + (0,8)(4) + (0,)() + (0,6)() + ()(3) + ()(4) + (0,)(3) = 20,4 f3 (V 3 ) = ()(3) + ()(4) + ()() + ()() + (0,)(3) + (0,2)(4) + (0,)(3) = 23,04 f4 (V 4 ) = (0,)(3) + (0.44)(4) + (0,)() + (0,8)() + ()(3) + (0,6)(4) + ()(3) = 2,2 f (V ) = ()(3) + (0.6)(4) + (0,)() + (0,44)() + (0,)(3) + (0,8)(4) + (0,)(3) =,23 Hasil Pengujian Sistem Nilai tebesa ada pada peangkingan V 3, V 4, V 2, V meupakan altenatif yang tepilih,dan untuk besa pinjaman bebeda nilainya tiap altenative ditentukan dai pehitungan poin kelayakan (W). Untuk altenatif V meupakan altenatif yang tidak memenuhi bobot kiteia sehingga tidak layak mendapatkan pinjaman. KESIMPULAN Bedasakan hasil penelitian mengenai sistem pendukung keputusan kedit pemilikan umah Bank UOB, dapat diambil kesimpulan :. Penelitian ini telah membangun sistem pendukung keputusan yang dihaapkan dapat membantu paa calon nasabah untuk mengetahui kedit pemilikan umah yang ada di Bank UOB dan membantu manaje dalam mengambil keputusan untuk memilih calon nasabah yang sesuai dengan ketentuan Bank. 2. Aplikasi sistem pendukung keputusan ini juga membeikan infomasi seta saana pendukung keputusan mengenai Kedit Pemilikan Rumah pada Bank UOB. 3. Hasil akhi pehitungan menggunakan metode SAW menunjukkan bahwa nilai pefeensi tebesa ada pada V 3, sehingga Altenatif A 3 adalah Altenatif tebaik. DAFTAR PUSTAKA [] Fowle, M., 2004, UML Distilled Edisi 3, Yogyakata : ANDI. [2] Gedon.,20, Sistem Pendukung Keputusan untuk Menentukan Peneimaan Beasiswa Bagi Mahasiswa STIKOM AMIKOM, Skipsi Sajana Sistem Infomasi Sekolah Manajemen Infomatika dan Kompute AMIKOM, Yogyakata. [3] Kadi, A., 2003, Dasa Pemogaman WEB Dinamis Menggunakan PHP, Yogyakata :ANDI. [4] Kusini, 200, Konsep dan Aplikasi Sistem Pendukung Keputusan, Yogyakata : ANDI. [] Kusumadewi, S., Hatati, S., Hajoko, A., dan Wadoyo, R.,2006, Fuzzy Multi Attibute Decision Making (FUZZY MADM). Yogyakata: Penebit Gaha Ilmu. [6] Kusumadewi, S., 200, Diktat Kuliah Kecedasan Buatan, Yogyakata : UII- Juusan Teknik Infomatika. [] Saifah, E,. 20, Skipsi Pembuatan aplikasi sistem paka dengan fuzzy logic MADM KPR BTN. [] Tuban, E, Aonson, J, E., Liang, T, P., 200. Decision Suppot System and Intelligent System (Sistem Pendukung keputusan dan Sistem Cedas),Yogyakata: ANDI. [8] Wibowo, H, S., 20. Aplikasi Uji Sensitivitas Untuk Model MADM Menggunakan Metode SAW dan TOPSIS, Junal Semina Nasional Aplikasi Teknologi Infomasi 20 (SNATI 20), ISSN Vol E:6 Yogyakata.